Cohere宣布其视觉语言模型Parse正式可用，可处理表格和图像并输出Markdown，强调在ParseBench上得分高于多家竞品。
AI解读：Cohere Parse是一款视觉语言模型，专门处理发票、合同等复杂企业文档，把PDF、图片中的表格和嵌入图像转成AI能直接使用的Markdown格式。对要搭RAG知识库或跑自动化流程的团队来说，旧方案要么是高精度但昂贵的大模型，要么是便宜但不稳定的OCR。Cohere给出的平衡点是每1000页1.5美元，比AWS Textract等超大规模厂商方案（约每千页10美元）低不少。在Cohere自己公布的ParseBench测试里，Parse平均79.2分，高于LlamaParse的78.3分和Mistral OCR 4的74.5分，但低于GPT-5.5等通用前沿模型——这是选择高精度还是低成本时的权衡。如果用量大，可以在Model Vault上部署，按Cohere说法，在满负荷利用率下推理成本比API再省61%；以每月处理1300万页的应付账款流程为例，用Vault比用API每月能省约1.2万美元。需要注意，这些基准数据来自Cohere自家评测，且测试不包含图表维度，所以选型时仍应拿自己的文档去实测。Parse已通过Cohere API、Model Vault、Microsoft Foundry和AWS SageMaker对外开放。
Cohere于2026年发布Parse，一个面向企业文档处理的经济型视觉语言模型。该模型能将复杂多模态文件转换为机器可读的结构化数据，支持文档索引、RAG和智能体检索等场景。Parse不仅能识别文本，还能处理表格和嵌入图像，并输出干净的Markdown文档用于下游处理。模型支持九种主要世界语言，客户可通过Cohere API以每1000页1.50美元的价格使用，或通过Model Vault进行安全、单租户推理部署。
性能与价格
Cohere表示，在其评估的模型中，Parse提供了最强的性能-价格权衡。在ParseBench基准测试中，Parse平均得分79.2，优于Mistral OCR 4的74.5分、Databricks AI Parse的72.4分和LlamaParse Cost Effective版本的78.3分。与AWS Textract和Google Document AI等超大规模厂商的文档智能解决方案相比，Parse的得分高出超过20分。
在吞吐量方面，Cohere称Parse每秒处理4.5页（在8个H100 GPU节点上每秒36页或每分钟2160页），大约是RedNote's dots.mocr吞吐量的1.4倍，在同GPU配置下是Chandra OCR 2的2.2倍。
- Parse在ParseBench三个维度（表格、内容忠实度、语义格式）上的得分：79.2（平均），表格87.0，内容忠实度86.6，语义格式64.0。
- 相比之下，GPT-5.5平均84.4分，Opus 4.8平均84.3分，Gemini 3.5 Flash平均81.8分。
部署与成本节省
Parse可通过Cohere API和Model Vault（用于托管推理的安全单租户平台）使用。Cohere建议在持续高吞吐的生产工作负载中使用Model Vault，因为在利用率提高时成本节省显著：在50% GPU利用率时，Model Vault比Cohere API推理成本降低23%；在满小时利用率时，节省可达61%。
以企业应付账款工作流为例，每月处理约1300万文档页，通过Model Vault部署Parse相比Cohere API每月可减少约1.2万美元推理成本，年度节省约14.4万美元。与每千页10美元的超大规模厂商方案相比，该单一工作流年节省约147万美元。
- Parse已正式通过Cohere API、Model Vault、Microsoft Foundry和AWS SageMaker提供。